1024 大赏｜TRAE 开发者最爱的 10 个 MCP 工具

豆包MarsCode2026-10-22 11:43

作者：jiaqi，TRAE 技术写作工程师

1024，是开发者的年度节日。

每年这一天，我们都想给大家带来点真正有用的东西。

今年，我们准备了一份「热门工具大赏」，从近一个月 TRAE 的真实使用数据中，选出了开发者最爱用的 10 个 MCP Server。

它们让 AI 不止于写代码：能帮你操控浏览器跑测试、连上数据库查数据、甚至在 3D 引擎里搭场景。

这不是一份"别人说好"的推荐清单，而是真实的 TRAE 友实际开发过程中最常用的 Top 10 MCP 工具。

快来看看吧。

MCP Server 是什么？

MCP（Model Context Protocol，模型上下文协议）是一套连接 AI 应用与外部工具、数据源的开放协议。通过统一的接口，AI 可以调用浏览器、数据库、开发工具和命令行等能力，直接获取信息或执行任务，减少不同工具之间的适配成本。MCP 的能力取决于所连接的服务及其权限，因此在使用前应明确访问范围，并谨慎开放写入、删除或执行命令等高风险权限。

TRAE 中 Top 10 MCP 工具一览

数据口径：近一个月高频调用数据排行

我们将这些 MCP 工具分为了以下几类，分别是浏览器操作、数据库操作、3D 素材创作、2D/3D 应用开发和命令行。来看看有没有能帮助到你的。

具体 MCP 介绍

浏览器操作

Puppeteer

Puppeteer MCP 提供了浏览器导航、截图、点击、表单填写、页面 JavaScript 执行和控制台日志读取等能力。

它体现了浏览器类 MCP 的基本工作方式：AI 接收任务后，通过浏览器打开页面、操作元素、读取结果，并把结果返回给开发者。

Puppeteer MCP 默认以无头模式（headless: true）启动 Chromium，浏览器进程在后台跑、没有可见窗口。若要展示可见窗口，需在指令中明确指定 headless: false。

❗注意

Puppeteer MCP 的项目文档明确提示，它运行的浏览器可能访问本地文件和内网地址。

  • 如何添加 Puppeteer MCP：

a. 在 TRAE 中，前往 设置 > MCP。

b. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Puppeteer。

c. 点击 + ，然后直接点击弹窗右下角的 确认 按钮，完成添加。该 MCP 无需手动填写自定义 JSON 配置，使用弹窗中的默认配置即可。

  • 使用案例：

使用以下提示词，让 TRAE 调用 Puppeteer MCP 测试鲜达超市页面。

javascript 复制代码 
用 Puppeteer MCP 测试鲜达超市页面，验证 "搜索 > 加购 > 计价" 这一核心链路。

页面：~/Downloads/Puppeteer/鲜达超市.html

需要展示可见窗口，即 `headless: false`。

执行：
打开页面，截取首屏
在搜索框输入"苹果"，点击搜索按钮
点击第一张商品卡片的"加入购物车"按钮
读取页面状态：购物车角标数量（应为 1）、商品小计、合计金额
截图保存购物车最终状态

输出：一句话结论（通过/失败）、实际读到的角标与合计金额、两张截图路径。

收到指令后，TRAE 先读源码定位关键选择器并推算预期值，然后用 Puppeteer（headless: false）依次完成：打开页面截首屏 > 输入"苹果"并搜索 > 点击加购 > 读取角标、小计、合计 > 截终态图，最终核对数据全部符合预期，给出 "通过" 结论。

TRAE 的输出如下：

Playwright

Playwright MCP 可以让 AI 在真实浏览器中打开网页、点击元素、填写表单、截取页面图片和执行 JavaScript。它还支持不同浏览器和多种设备的模拟。

Playwright MCP 会在本机启动由 Playwright 管理的浏览器实例，用于执行测试、截图和页面交互；默认情况下，它与用户日常使用的浏览器环境相互隔离。

它适合前端开发、端到端测试和产品验收等场景。开发者修改页面后，可以让 AI 完成一次完整的操作流程，并根据页面的实际操作结果判断功能是否正常。

❗注意

使用时应注意页面中的账号、订单和表单数据。执行涉及提交、删除或修改数据的操作时，应当要求 AI 在执行前确认。

  • 如何添加 Playwright MCP：

a. 在 TRAE 中，前往 设置 > MCP。

b. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Playwright。

c. 点击 + ，在弹窗中输入以下 JSON 配置，然后点击 确认 按钮。

perl 复制代码 
{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}
  • 使用案例：

使用以下提示词，让 TRAE 调用 Playwright MCP 测试 "鲜达超市" 网页。

perl 复制代码 
用 Playwright MCP 测试本地超市页面（勿用 file://）：
http://localhost:8765/%E9%B2%9C%E8%BE%BE%E8%B6%85%E5%B8%82.html

演示账号：手机号 13800138000 / 密码 123456。关键步骤截图，最后输出断言 PASS/FAIL 汇总。

登录表单：点页头"登录 / 注册" → 弹窗内填 13800138000 / 123456 → 点"登录"。断言：弹窗关闭，页头出现用户胶囊（"演示用户"）。
品类切换：依次点"水果"、"蔬菜"、"零食" Tab。断言：网格仅显示对应品类商品；再点"全部"恢复全部商品。
加购物车：找一件有货商品点"加入购物车"。断言：购物车角标 +1，右侧面板出现该商品；再点"+"断言数量与小计同步增加；点"×"断言该行移除、金额回落。

根据提示词，TRAE 完成了三个场景的测试，并输出了 "测试结果汇总表" 表格和截图。

测试结果汇总表：

截图：

若有需要，可以让 TRAE 生成一份测试报告摘要。

Chrome DevTools MCP

Chrome DevTools MCP 将 Chrome DevTools 的能力提供给 AI。AI 可以查看并分析控制台日志、网络请求和性能信息，对页面进行截图，也可以运行 Lighthouse 的无障碍、SEO 和性能检查。

它适合前端和全栈开发者排查页面问题。例如，用户反馈 "点击保存后没有反应" 时，AI 可以检查浏览器控制台中的报错、接口的请求和响应，以及页面状态的变化。

Chrome DevTools MCP 默认会启动一个本机 Chrome 实例。经过配置后，它也可以连接到正在运行的 Chrome，用于检查页面、网络请求和控制台信息。

❗注意

需要注意的是，Chrome DevTools MCP 可以读取浏览器中的页面内容和 DevTools 数据。在包含敏感账号、内部管理后台或生产环境权限的浏览器配置中，应在谨慎评估后再决定是否使用该 MCP。

  • 如何添加 Chrome DevTools MCP：

a. 在 TRAE 中，前往 设置 > MCP。

b. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Chrome DevTools MCP。

c. 点击 + ，在弹窗中输入以下 JSON 配置，然后点击 确认 按钮。

perl 复制代码 
{
  "mcpServers": {
    "chrome-devtools": {
      "command": "npx",
      "args": ["-y", "chrome-devtools-mcp@latest"]
    }
  }
}
  • 使用案例：

使用以下提示词，让 TRAE 调用 Chrome DevTools MCP 测试鲜达超市页面。

ruby 复制代码 
调用 Chrome DevTools MCP 测试鲜达超市页面（http://localhost:3123/），覆盖以下 3 个场景。

场景一：控制台日志

打开鲜达超市 http://localhost:3123/?console=all
等待 3 秒
列出所有控制台消息
查看每条消息的级别、文本、堆栈来源
汇报：发现了哪些 warn / error / 未捕获 Promise？来源行号分别是什么？

场景二：网络请求

打开鲜达超市（商品接口 500 场景）http://localhost:3123/?products=500
找到 /api/products?scenario=500
查看该请求的 URL、方法、状态码、响应体
打开鲜达超市（正常）http://localhost:3123/，在优惠券输入框输入 NEW10 后点击"使用"，找到 POST /api/coupons/validate，查看请求体和响应体
汇报：500 场景响应体内容？优惠券请求体和响应体分别是什么？

场景三：性能

打开鲜达超市（性能场景）http://localhost:3123/?perf=all
开始录制
等待 8 秒后停止录制
分析洞察
汇报：发现了哪些长任务？最大耗时多少？有哪些慢资源？

根据提示词，TRAE 用 Chrome DevTools MCP 对鲜达超市跑了三项测试：控制台日志（采集到 1 warn、2 error、1 未捕获 Promise 及来源行号）、网络请求（500 接口响应体 + 优惠券 NEW10 的请求体和响应体）、性能分析（录 8 秒追踪，定位 LCP 6053ms 主因是图片加载延迟 6011ms 和/api/recommendations 耗时 4019ms），最后输出了一份结构化报告。

检查结果和性能问题总结如下：

数据库操作

MySQL Server

MySQL Server 可以让 AI 查看数据库中的表、读取表结构、抽样查看数据，以及执行 SQL 查询。它支持本地运行，也支持通过 HTTP 或 SSE 的方式部署。

它适合后端、数据开发和排障场景。许多问题不能只通过代码定位，例如订单没有生成、字段没有写入、数据统计不一致等。此时，AI 可以先查看表结构和数据样本，再根据实际数据编写 Query。

这个 MCP 的重点不只是让 AI 生成 SQL，而是让 AI 根据数据库中的真实结构和查询结果继续分析问题。

❗注意

需要特别注意权限。该项目支持 INSERT、UPDATE 和 DELETE 等写操作。生产环境应使用只读账号；如果确实需要写权限，也应让 AI 在执行前展示 SQL 并等待确认。数据库连接信息应通过环境变量或安全的配置方式提供，不应写入 Prompt 或提交到代码仓库。

  • 如何添加 MySQL Server：

a. 在 TRAE 中，前往 设置 > MCP。

b. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 MySQL Server。

c. 点击 + ，在弹窗中输入以下 JSON 配置，然后点击 确认 按钮。

json 复制代码 
{
  "mcpServers": {
    "MySQL Server": {
      "command": "mysql_mcp_server",
      "args": [],
      "env": {
        "MYSQL_DATABASE": "",       // 要连接的 MySQL 数据库名称
        "MYSQL_HOST": "localhost",  // MySQL 服务器的主机地址
        "MYSQL_PASSWORD": "",       // MySQL 用户的密码
        "MYSQL_PORT": "3306",       // MySQL 服务器的端口号，默认为 3306
        "MYSQL_USER": ""            // 用于连接 MySQL 的用户名
      }
    }
  }
}
  • 使用案例：

本示例用到的数据库为 mcp_test，通过专用账号 mcp_user 授权访问。库内包含两张关联表：users（用户表：用户 ID、姓名、邮箱、账户状态、注册时间）与 orders（订单表：订单 ID、下单用户、订单金额、下单时间），通过 user_id 关联。示例数据包含 20 名用户与 23 笔订单。

users 表：

orders 表：

提示词如下：

arduino 复制代码 
调用 MySQL Server MCP，帮我完成对 mcp_test 数据库本周的用户与订单例行分析。所有表名一律使用限定名 mcp_test.users、mcp_test.orders，不要省略库名。先查看这两张表的结构和样本数据了解字段含义，然后依次完成：

给我一份业务总览：当前总用户数、各账户状态（active/frozen）的人数及占比、总订单数、总交易额、客单价。
找出核心用户：按消费总金额排名，列出前 10 名用户的姓名、邮箱、订单数、消费总额，并指出谁是最有价值用户。
分析转化缺口：列出注册了但从未下过单的用户，给出姓名、邮箱、注册时间，我要安排运营去触达；邮箱为空的单独标出来，提醒我补全联系方式。
看一下订单金额分布：按 0～50、50～100、100 以上三个区间统计订单量和占比，用文字描述消费结构。
我刚确认用户王五的邮箱已核实，帮我在 mcp_test.users 中把他的邮箱更新为 wangwu@example.com，更新后查询确认生效。
最后用一段话给出结论：业务现状如何、最需要关注的问题是什么、建议下一步做什么。

TRAE 先读取了 MySQL MCP 中三个工具的参数描述，随后并行获取 mcp_test.users 和 mcp_test.orders 的表结构与样本数据以确认字段含义；接着并行执行了业务总览、Top10 消费排名、未下单用户、订单金额分布四项查询；然后把王五的邮箱更新为wangwu@example.com 并回查确认生效，同时全库扫描了邮箱为空的用户；最后将所有结果整理成六部分的分析报告并给出结论与建议。

DBX

DBX 是一款轻量级的跨平台数据库客户端，支持 MySQL、PostgreSQL、SQLite、Redis、MongoDB 等多种数据库和中间件。

DBX MCP （github.com/t8y2/dbx#ai... 是 DBX 提供的 MCP Server。它让 TRAE 等 AI 工具使用 DBX 中已经配置好的数据库连接，执行查询、查看表结构和浏览数据。

它适合同时管理多个数据库的开发者。你不需要为 MySQL、PostgreSQL、Redis 或 MongoDB 分别配置不同的 MCP；在 DBX 中完成连接配置后，可以选择哪些连接允许 AI 访问。

DBX 还提供三种权限模式：只读、允许数据读写和完全访问。开发者可以先给 AI 分配只读权限，用它查看表结构、分析数据和验证 SQL；在确有需要时，再单独开放写权限。

  • 前置条件：

a. 安装 DBX 客户端 （dbxio.com/cn）。

b. 在 DBX 客户端中连接你常用的数据库。你可以让 TRAE 帮你连接，提示词：

复制代码 
把 {库名} 连接到 DBX

连接完成后，前往 DBX 客户端验收（以小编本地的 MySQL 数据库为例）：

  • 如何添加 DBX MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 手动配置。
  3. 在弹窗中填入以下配置，然后点击 确认 按钮。
perl 复制代码 
{
  "mcpServers": {
    "dbx": { "command": "npx", "args": ["-y", "@dbx-app/mcp-server"] }
  }
}
  • 使用案例：

数据库信息如下：

本示例用到的数据库为 mcp_test，通过专用账号 mcp_user 授权访问。库内包含两张关联表：users（用户表：用户 ID、姓名、邮箱、账户状态、注册时间）与 orders（订单表：订单 ID、下单用户、订单金额、下单时间），通过 user_id 关联。示例数据包含 20 名用户与 23 笔订单。

users 表：

orders 表：

提示词如下：

bash 复制代码 
调用 DBX MCP，完成以下任务：

列出 DBX 客户端内 local-mysql 中的所有库
进 mcp_test 库，把所有表和每张表的结构给我
在 mcp_test 开事务，往 users 表插入一条测试数据
   （id=9999, name='MCP测试用户', email='mcp_test@example.com', status='active'，
   created_at 走默认值），然后查询确认写入

输出如下：

TRAE 通过 DBX MCP 依次列出 local-mysql 的全部库（共 5 个），查看 mcp_test 库下 orders 与 users 两张表的完整结构。随后开启事务，向 users 表插入 id=9999 的测试数据并查询确认写入成功，最后提交事务并关闭会话。除一次受事务保护的写入外，其余操作均为只读探查。

PostgreSQL

PostgreSQL MCP （github.com/modelcontex... 是一个面向 PostgreSQL 的 MCP Server。它允许 AI 查看数据库中的表结构，并执行只读 SQL 查询；所有查询都会在只读事务中运行，因此不会修改数据库中的数据。

它适合数据排查、业务分析和 SQL 验证等场景。对于团队来说，先接入只读数据库 MCP，通常比直接开放写操作更容易控制风险。

  • 如何添加 PostgreSQL MCP：

a. 在 TRAE 中，前往 设置 > MCP。

b. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 PostgreSQL MCP。

c. 点击 + ，在弹窗中填写 PostgreSQL URL。你可以直接让 TRAE 根据你的数据库信息生成，然后复制粘贴即可。

填写完成后，下方 JSON 配置中会自动添加你的 PostgreSQL URL。

d. 点击 确认 按钮。

  • 使用案例：

mcp_lab 数据库由 products、customers、orders 和 order_items 四张表组成。数据包含：

a. 5 位客户、10 件商品、15 笔订单 b. 已支付（paid）、已取消（cancelled）、待配送（pending_delivery）三类订单 c. 库存为 0 和低库存商品 d. 2 条故意构造的异常数据

产品信息表（products）

顾客表（customers）

订单表（orders）

订单明细表（order_items）

提示词如下：

diff 复制代码 
使用 PostgreSQL MCP 连接 mcp_lab 库，然后完成以下任务：

元数据探查
列出所有表及各表行数，并说明 orders 与 order_items 的字段结构（字段名、类型、主键、外键指向）。

多表 JOIN 聚合报表
在 mcp_lab 库中统计每位客户的订单数与累计消费金额。
口径：排除已取消（cancelled）订单；金额按订单明细汇总（Σ 数量×单价），不使用 orders.total_amount。
按金额降序输出客户姓名、订单数、消费金额。

找出商品销售 Top3
在 mcp_lab 库中统计商品销售 Top3，两种口径并列给出：
- 按销售数量：Σ quantity（排除已取消订单的明细）；
- 按销售金额：Σ 数量×单价（同上排除已取消订单）。
同一口径内出现并列时全部列出。输出：商品名、销量、销售额。

数据质量校验
在 mcp_lab 库中做订单一致性校验，输出两类问题订单：
- total_amount 与明细汇总（Σ 数量×单价）不一致的订单；
- 没有任何明细行的订单。
输出：订单号、状态、total_amount、明细汇总、差额；无问题的部分返回空集。

输出如下：

TRAE 通过 PostgreSQL MCP 连上 mcp_lab 库，依次完成：先查 information_schema 盘点 4 张表（customers 5 行、orders 15 行、order_items 24 行、products 10 行）及 orders/order_items 的字段、主键与外键指向；随后按指定口径，跑了客户消费聚合、商品销量/销售额双口径 RANK Top3（并列全列）、以及订单 total_amount 与明细汇总一致性和无明细订单两类质量校验，最后把结果整理成表格并标注了订单 15 同时命中两类问题。

3D 素材创作

Blender

Blender 是一款开源的 3D 创作软件，常用于建模、材质制作、动画、渲染和游戏资产制作。开发者和设计师可以用它制作产品原型、游戏场景和技术演示素材。

Blender MCP 是一个连接 AI 与 Blender 的社区项目。它让 AI 可以在 Blender 中创建、修改和删除 3D 对象、调整材质与颜色、执行 Blender Python 脚本，并输出渲染图来协助你检查结果。

例如，可以让 AI 根据文字描述先搭建一个基础场景，再逐步调整模型、灯光和材质。它适合需要快速制作 3D 原型、游戏素材或演示场景的开发者。

  • 使用前提：

a. Blender：3.0 或更高版本 b. Python：3.10 或更高版本 c. 已安装 uv 包管理工具（uv package manager）

  • 如何添加 Blender MCP：

a. 在 TRAE 中，前往 设置 > MCP。

b. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Blender MCP。

c. 点击 + ，在弹窗中输入以下 JSON 配置，然后点击 确认 按钮。

  • 使用案例：

在本使用案例中，使用的提示词十分简单，如下：

复制代码 
调用 Blender MCP 创建一个 3D 场景：广阔的草坪上，立着一栋小木屋。

接收到指令后，TRAE 便调用 Blender MCP 依次完成了以下任务：

a. 连接 Blender 并清空默认场景。 b. 创建广阔草坪，由大地面和草地材质组成。 c. 搭建小木屋，由墙体、人字屋顶、门、窗、烟囱组成。 d. 配置灯光、天空与相机机位。 e. 细化场景，包括草地起伏与颜色、散布草叶、石头。 f. 重调阳光、天空、机位并渲染确认。

最终构建的场景如下：

2D/3D 应用开发

unityMCP

Unity 是一款常用于游戏、实时 3D 应用和交互式内容开发的引擎。开发者可以通过 Unity 编辑器管理场景、游戏对象、资源和 C# 脚本。

unityMCP 是一个连接 Unity 编辑器与 AI 工具的 MCP 项目。它可以让 AI 获取当前的场景层级、选中的对象和运行状态，读取 Unity 的日志，并在编辑器中执行 C# 命令。

例如，开发者可以让 AI 检查当前场景中的对象结构，定位 Console 中的报错，或创建一个基础的游戏对象。

💡提示

UnityMCP 可以直接在 Unity 编辑器中执行 C# 代码，包括创建和修改游戏对象。建议先在测试项目中使用。对于会修改场景或资源的命令，应在执行前确认。

  • 前置条件：

a. Unity 2022.3+ b. Node.js 18+ c. npm 9+

  • 安装并设置 UnityMCP：

第一步

配置 Unity 插件：

  1. 获取仓库：git clone github.com/jackwrichar...

  2. 将仓库中的 UnityMCPPlugin 文件夹复制到 Unity 项目的 Assets 目录中。

  3. 打开 Unity Editor，等待编译完成。

  4. 在顶部菜单栏中，选择 UnityMCP > Debug Window，打开插件的调试窗口。

第二步

配置 MCP Server：

  1. 打开终端。

  2. 切换到 unity-mcp-server 目录：cd unity-mcp-server。

  3. 安装项目依赖：npm install。

  4. 构建项目：npm run build。

  5. 确认构建产物存在：ls build/index.js

第三步

在 TRAE 中连接 Unity MCP：

  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 手动配置。
  3. 在弹窗中，输入以下 JSON 配置，然后点击 确认 按钮。
json 复制代码 
{
  "mcpServers": {
    "unityMCP": {
      "command": "node",
      "args": ["/绝对路径/UnityMCP/unity-mcp-server/build/index.js"]
    }
  }
}

第四步

在 Unity 中保持 MCP 连接：

  1. 打开 Unity 项目（Editor 需处于运行状态）。

  2. 在顶部菜单栏中，选择 UnityMCP > Debug Window，打开 UnityMCP 调试窗口。

  3. 插件将自动尝试连接 MCP Server。

  4. 在窗口中通过 Connection Status 确认连接情况并排查问题。

  • 提示词示例：

单场景提示词：

arduino 复制代码 
列出当前场景的完整层级结构，并标出我选中的物体。
列出当前项目里所有脚本文件的路径。
在场景原点创建一个立方体，命名为 Ground。
把场景中名为 Ground 的物体移动到 (0, 1, 0)，并绕 Y 轴旋转 45 度。
进入播放模式。
列出 Console 里最近的报错，只保留消息内容和时间戳。

组合场景提示词：

arduino 复制代码 
先检查场景里有没有名为 Ground 的物体；如果没有，就在原点创建一个立方体并命名为 Ground。
先列出场景里所有名字包含 Cube 的物体，等我确认后把它们全部删除。
进入播放模式，然后读取 Console 日志，最后退出播放模式并汇总日志。

godot-ai

godot-ai 是一个连接 AI 助手与 Godot 编辑器的 MCP 项目。它可以让 TRAE 等 AI 编程工具读取当前场景，创建和编辑节点、脚本与信号，并配置 UI、材质、动画、粒子、相机和环境等内容。

它适合使用 Godot 开发游戏或交互式应用的团队。开发者可以让 AI 搭建基础场景、补全交互逻辑、搜索项目资源，或运行测试。

它对 GDScript 提供完整支持，包括语法校验、热重载和脚本挂载；对 C# 的支持目前以写入和修改 .cs 文件为主，不负责构建或报告 .NET 编译错误。

  • 前置条件：

a. Godot 4.7+ b. uv

  • 安装并设置 UnityMCP：

第一步

下载 godot-ai 插件：

打开 GitHub Releases （github.com/hi-godot/go...

第二步

安装 godot-ai 插件：

  1. 解压 godot-ai-v4-plugin.zip。
  2. 你将获得 addons 文件夹，里面包含 godot_ai 子文件夹。
  3. 将整个 addons 文件夹放入你的项目文件夹中。

第三步

启用 godot-ai 插件：

  1. 在 Godot 中打开项目。

  2. 前往 项目 > 项目设置 > 插件 ，启用 Godot AI。

    启用后，编辑器右侧会出现 Godot AI dock ，显示连接状态。

第四步

配置 MCP client（TRAE）：

  1. 在 TRAE 中，前往 设置 > MCP。

  2. 点击 添加 > 手动配置。

  3. 在弹窗中，输入以下 JSON 配置，然后点击 确认 按钮。

json 复制代码 
{
  "mcpServers": {
    "godot-ai": {
      "command": "/opt/homebrew/bin/uvx",
      "args": [
        "--isolated",
        "--no-config",
        "--no-env-file",
        "--no-sources",
        "--no-build",
        "--index-strategy",
        "first-index",
        "--keyring-provider",
        "disabled",
        "--index",
        "https://pypi.org/simple",
        "--default-index",
        "https://pypi.org/simple",
        "--find-links",
        "https://pypi.org/simple/godot-ai/",
        "--link-mode",
        "copy",
        "--from",
        "godot-ai==4.3.0",
        "godot-ai",
        "attach",
        "--port",
        "8000",
        "--ws-port",
        "9500"
      ]
    }
  }
}
  • 使用案例：

用以下提示词，让 TRAE 调用 godot-ai MCP 搭建一个基础 3D 场景：

scss 复制代码 
帮我在 Godot 中搭建一个基础 3D 场景，要求如下：
以 Node3D 为根节点，保存为 main_3d.tscn。
添加 DirectionalLight3D，旋转约 (-45°, -30°, 0)，开启阴影。
添加 WorldEnvironment：程序化天空（ProceduralSky），环境光适中。
添加 Camera3D，位置 (0, 3, 8)，稍微向下俯视场景原点。
创建地面：StaticBody3D + BoxMesh（尺寸 20x1x20）+ 对应的 CollisionShape3D，位置 (0, -0.5, 0)。
在地面上摆放 3 个物体：一个 CSGBox3D（0, 0.5, 0）、一个 CSGSphere3D（2, 1, -1）、一个 CSGCylinder3D（-2, 1, -2），高度都以贴地为准。
完成后展示场景树结构并保存场景，最后截图给我确认效果。

命令行

Windows CLI

Windows CLI MCP 是一个面向 Windows 的命令行 MCP Server。它可以让 AI 使用 PowerShell、CMD 和 Git Bash 执行命令，也可以通过 SSH 管理已配置的远程服务器。

项目支持设置允许操作的目录、禁止执行的命令、命令超时和 SSH 连接范围，用于限制 AI 的命令执行权限。由于它可以访问文件、环境变量和远程系统，使用时需要谨慎配置路径和 SSH 权限。

  • 如何添加 Windows CLI MCP：

a. 在 TRAE 中，前往 设置 > MCP。

b. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Windows CLI MCP。

c. 点击 + ，在弹窗中输入以下 JSON 配置，然后点击 确认 按钮。

perl 复制代码 
{
  "mcpServers": {
    "windows-cli": {
      "command": "npx",
      "args": ["-y", "@simonb97/server-win-cli"]
    }
  }
}
  • 使用案例一：排查本地项目的启动问题

开发者在 Windows 上运行项目时，常常需要检查 Node.js、Python、Git、环境变量、端口占用和日志文件。Windows CLI MCP 可以让 AI 在指定项目目录中执行这些检查，并汇总结果。

go 复制代码 
在 C:\Projects\demo-app 中检查项目为什么无法启动。

请依次执行以下操作：
查看 package.json 中的 scripts；
检查 Node.js、npm 和 Git 的版本；
检查 3000 端口是否被占用；
执行 npm install 和 npm run dev；
如果启动失败，读取错误输出并说明原因。

不要修改 package.json、删除文件或结束任何进程。

这个案例适合新成员配置开发环境，也适合处理本地项目无法运行之类的常见问题。配置时只需要将 C:\Projects 加入允许操作的目录。

  • 使用案例二：检查远程测试服务器的服务状态和日志

如果已经在 Windows CLI MCP 中配置了 SSH 连接，AI 可以通过 SSH 执行只读的巡检命令，例如检查服务状态、磁盘空间、最近的错误日志和端口监听情况。

vbscript 复制代码 
使用名为 staging-server 的 SSH 连接检查测试环境。

请执行以下操作：
查看应用服务的运行状态；
查看磁盘使用率和内存使用情况；
查看最近 30 分钟的错误日志；
检查应用端口是否正在监听；
按"正常项、异常项、建议处理方式"输出结果。

不要重启服务、修改配置、删除日志或执行部署操作。

这个案例适合测试环境的日常巡检和问题初步定位。建议为 SSH 连接配置权限受限的账号，并将服务重启、部署和文件删除等命令加入禁止列表。

还有哪些你们常用的 MCP 或者自己开发的 MCP 工具，都欢迎在评论区留言！

相关推荐
Goboy2 天前
一个人带三个Agent,我用全新TRAE从0到1搭了个资讯周刊站
人工智能·trae
飞哥数智坊4 天前
REA 支持 TRAE 了，我拿自己的开源软件做了一次逆向实测
人工智能·trae
ControlM11 天前
从官方 CDN 里扒出 TRAE (TraeCode) 历史版本安装包
python·逆向·trae
SuperHeroWu715 天前
TraeCode 国内版接入 DevEco CLI：用官方知识开发鸿蒙应用
ai编程·harmonyos·知识库·trae·aicoding·skills·deveco cli
豆包MarsCode24 天前
一文读懂什么是 Fork
trae
百万蹄蹄向前冲24 天前
妙！文档懒得写，就让AI 生成新员工学习指南
前端·后端·trae
豆包MarsCode24 天前
求职必备｜如何用 TraeCode 搭建 3D 作品集网站
trae
豆包MarsCode1 个月前
AI 圈爆火的 Jev 是什么？如何在 TraeCode 中使用
trae
带电的小王1 个月前
Trae + Agnes：接入无限期免费文本、图片、视频模型，告别 Token 焦虑
trae·agnes·免费模型
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03历年考研数学一、数学二、数学三真题试卷及答案PDF04GitHub 镜像站点05乙二醇水溶液物性参数06几个好用的ip纯净度检测网站07「全语录+省流版」邵艾伦 × 孙宇晨：聊风口、聊个人IP、聊年轻人如何抓住 AI 时代的机会08昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战09苹果iPA游戏软件资源下载网站10Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）